mcpField
H
Hopx Ai Sandboxes

Hopx Ai Sandboxes

本地服务
github.com/hopx-ai开发工具15647 周前更新

关于 Hopx Ai Sandboxes

Hopx Ai Sandboxes 是 HOPX 提供的 MCP 服务,可让 AI 助手在隔离的云容器中执行代码。支持 Python、JavaScript、Bash 和 Go,并预装 pandas、numpy、matplotlib 等数据科学库。

主要功能

  1. 01在隔离云容器中执行多种语言代码
  2. 02预装 pandas、numpy、matplotlib
  3. 03支持文件读写与shell命令
  4. 04支持后台进程与长时间任务
  5. 05容器执行结束后自动销毁

适用场景

  1. 01AI 助手进行数据分析与绘图
  2. 02测试代码片段而不影响本地环境
  3. 03运行需要长时间执行的脚本

MCP 相关

该服务通过 MCP 向客户端暴露代码执行、沙箱管理、文件操作、命令执行和环境变量等工具,需要 HOPX_API_KEY 进行认证。

配置

本地服务的配置在各客户端中通用,复制后粘贴到客户端的 MCP 配置文件即可。

mcp.json · 通用配置
{
"mcpServers": {
"hopx-ai": {
"command": "uvx",
"args": [
"hopx-mcp"
],
"env": {
"HOPX_API_KEY": "<HOPX_API_KEY>"
}
}
}
}
启动命令uvx hopx-mcp
需要配置的环境变量
HOPX_API_KEY密钥

本地服务需要在你的电脑上安装运行环境(如 Node.js 18+)。各客户端的配置文件位置不同,请参考客户端文档。

安装包
pypihopx-mcp

工具

还没有获取到工具列表

本地服务需要在你的电脑上运行后才能读取工具,维护者暂未提供工具列表。

详细介绍

HOPX MCP 服务

适用于 HOPX 的模型上下文协议(MCP)服务。支持 AI 助手在隔离的云容器中执行代码。

MCP 名称: io.github.hopx-ai/hopx-mcp

许可证 Python MCP

安装

uvx hopx-mcp

在 hopx.ai 获取 API 密钥。


功能

  • 在隔离的容器中执行 Python、JavaScript、Bash 和 Go
  • 使用 pandas、numpy、matplotlib(预装)进行数据分析
  • 文件操作和系统命令
  • 后台进程和长时间运行的任务

容器使用后会自动销毁。


配置

获取 API 密钥

在 hopx.ai 注册。

配置 IDE

将 MCP 服务配置添加到 IDE:

Claude Desktop

将配置添加到 ~/Library/Application Support/Claude/claude_desktop_config.json(macOS)或 %APPDATA%\Claude\claude_desktop_config.json(Windows):

{
  "mcpServers": {
    "hopx-sandbox": {
      "command": "uvx",
      "args": ["hopx-mcp"],
      "env": {
        "HOPX_API_KEY": "your-api-key-here"
      }
    }
  }
}

配置完成后重启 Claude Desktop。

Cursor

将配置添加到 .cursor/mcp.json:

{
  "mcpServers": {
    "hopx-sandbox": {
      "command": "uvx",
      "args": ["hopx-mcp"],
      "env": {
        "HOPX_API_KEY": "your-api-key-here"
      }
    }
  }
}
VS Code

将配置添加到 .vscode/mcp.json:

{
  "mcpServers": {
    "hopx-sandbox": {
      "command": "uvx",
      "args": ["hopx-mcp"],
      "env": {
        "HOPX_API_KEY": "your-api-key-here"
      }
    }
  }
}
其他 IDE

配置格式因 IDE 而异。添加以下参数:

  • 命令:uvx
  • 参数:["hopx-mcp"]
  • 环境变量:HOPX_API_KEY=your-api-key-here

用法

快速执行
execute_code_isolated(
    code='print("Hello, World!")',
    language='python',
    timeout=30
)

返回:

{
    'stdout': 'Hello, World!\n',
    'exit_code': 0,
    'execution_time': 0.123,
    'sandbox_id': '1762778786mxaco6r2'
}
持久沙盒

在同一环境中执行多项操作:

# Create sandbox
sandbox = create_sandbox(
    template_id='code-interpreter',
    timeout_seconds=3600
)

sandbox_id = sandbox['id']

# Run operations
execute_code(sandbox_id, 'import pandas as pd')
execute_code(sandbox_id, 'df = pd.read_csv("data.csv")')
file_write(sandbox_id, '/workspace/output.txt', 'results')
content = file_read(sandbox_id, '/workspace/output.txt')

# Cleanup
delete_sandbox(sandbox_id)

可用工具

沙盒管理:

  • create_sandbox() - 创建沙盒
  • list_sandboxes() - 列出沙盒
  • delete_sandbox() - 终止沙盒

代码执行:

  • execute_code_isolated() - 单次执行(推荐)
  • execute_code() - 在现有沙盒中执行
  • execute_code_background() - 执行长时间运行的任务
  • execute_code_async() - 为耗时 30 分钟以上的任务提供 Webhook 回调

文件操作:

  • file_read()、file_write()、file_list()
  • file_exists()、file_remove()、file_mkdir()

命令:

  • run_command() - 执行 Shell 命令
  • run_command_background() - 运行后台进程

环境变量:

  • env_get()、env_set()、env_clear()

支持的语言

  • Python 3.11+ - pandas、numpy、matplotlib、scipy、scikit-learn、requests
  • JavaScript/Node.js 20 - 标准库
  • Bash - Unix 工具、git、curl、wget
  • Go - 支持编译

特性

  • 创建沙盒:约 200 毫秒
  • 容器启动:约 0.1 秒
  • 自动清理:600 秒(可配置)
  • 网络访问:默认启用
  • 隔离:每次执行完全隔离
  • 身份验证:基于 JWT

环境变量

必需:

HOPX_API_KEY=your-api-key

可选:

HOPX_BASE_URL=https://api.hopx.dev  # default

故障排除

“401 Unauthorized”

未设置或 API 密钥无效。

解决方案:

echo $HOPX_API_KEY  # Verify key is set
“Template not found”

模板名称无效。

解决方案:

templates = list_templates(limit=20)  # Browse available templates
首次执行缓慢

容器创建后约需 3 秒初始化。

原因: VM 身份验证设置
解决方案: 后续操作会立即执行


限制

  • 同步执行:最长 300 秒
  • 沙盒生命周期:默认 10 分钟(可配置)
  • 语言支持因模板而异

安全

保护措施:

  • 本地系统与容器执行相互隔离
  • 容器之间相互隔离
  • 自动清理可防止资源泄漏
  • 每个沙盒均使用 JWT 身份验证

注意事项:

  • 容器默认可访问互联网
  • 代码在 HOPX 云端执行
  • 处理敏感数据时请遵循安全策略

支持


许可证

MIT 许可证。详情请参阅 LICENSE。

HOPX 服务条款:hopx.ai/terms


技术详情

基于以下技术构建:


网站 | 文档 | GitHub

评论

支持 Markdown

第一次接触 MCP?

从协议是什么,到在客户端里装上第一个服务,这几条回答覆盖了大多数入门问题。

一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。